Soluciones para control de tráfico vehicular utilizando redes

neuronales y aprendizaje profundo

Por Ernesto Fernández

Optimizamos la movilidad y seguridad en la ciudad mediante la detección y control inteligente de las Variables de Tráfico, somos especialistas en desarrollo de software, fabricación de equipos y ejecución de proyectos de Semaforización, Fotodetección y Gestión de Tráfico

Redes neuronales artificiales

Son un tipo de algoritmos de aprendizaje automático que aprenden de la información provista y se especializan en reconocimiento de patrones, inspiradas en la estructura y funciones del cerebro

Aprendizaje profundo

Son métodos de aprendizaje que permiten que el sistema descubra las características de los datos sin procesar. Puede ser:

● Supervisado (clasificación)● No supervisado

(reconocimiento de patrones)

Problemas generales

Clasificación objetiva[V] Verdadero[F] Falso

[VP] Validado correctamente[VN] Rechazado correctamente[FP] Validado incorrectamente[FN] Rechazado incorrectamente

Clasificación del método[P] Positivo[N] Negativo

Problemas generales

Falsos Positivos● Tiempos largos de

validación manual● Mayores costos de

almacenamiento

Falsos Negativos● Menor recaudación● Impunidad del infractor

Herramientas utilizadas

Librería de procesamiento de imágenes

Modelos entrenado con redes neuronales utilizando el framework de aprendizaje profundo Tensorflow:● MobileNet SSD● ImageNet

Bloqueo de intersección

Detección de vehículos que bloqueen la intersección por cierta cantidad de tiempo

Problemas técnicos

Falsos Positivos por cambios repentinos de las condiciones ambientales: Iluminación y clima

Problemas técnicos

Falsos Positivos por bloqueos prolongados: detección de objetos fantasma

Solución

La implementación de un algoritmo simple de reconocimiento de objetos para confirmar la existencia y duración de un vehículo en la intersección.

Clasificador de tamaño

Detección de vehículos de más de 5 toneladas que transitan en la vía

Objetivo: Lograr que los camiones dejen de circular en las zonas urbanas y transiten por las vías que les corresponden, como el Corredor Portuario

Problemas técnicos

Falsos Positivos por detección vehículos de transporte público de gran tamaño

Problemas técnicos

Falsos Positivos por aglomeración de vehículos de menor tamaño

Solución

Implementación de un algoritmo de reconocimiento de objetos que identifique con un alto grado de confiabilidad que tipo de vehículos hay en la escena

Conclusión

Gracias a los avances realizados en el campo de la inteligencia artificial y con la apertura al público de herramientas para el desarrollo de estos sistemas inteligentes, no solamente mejorará la calidad y el alcance de los sistemas de detección existentes, sino que también será posible crear analíticas que antes se consideraban imposibles de funcionar en tiempo real